بررسی قابلیت های تصاویر رقومی هوایی دوربین ultracam-d در تشخیص گونه‌های کنار و گون مناطق نیمه‌خشک (مطالعه موردی پشتکوه استان بوشهر)

این تحقیق با هدف بررسی قابلیت‌های تصاویر رقومی ultracam-d در شناسایی و تفکیک گونه‌های درختچه‌ای کنار و بوته‌ای پایای گون و تهیه نقشه پراکنش آنها، در بخشی از مناطق نیمه‌‌خشک استان بوشهر انجام شد. روش‌های مختلف بارزسازی شامل آنالیز بافت، تجزیه مولفه‌های اصلی و نسبت‌گیری بر روی باندها اعمال شد. میان این باندها پنج گروه باندی شامل باندهای اصلی، مجموعه باندی حاصل از آنالیز بافت تصویر، باندهای اصلی به همراه شاخص‌ها و باند اول حاصل از تجزیه مولفه‌های اصلی و مجموعه بهترین باندهای حاصل ازحد شاخص مطلوبیت انتخاب شد. نمونه‌های تعلیمی به روش میدانی تهیه شد و سپس 70 درصد نمونه‌ها با الگوریتم‌های مختلف طبقه‌بندی کننده پیکسل پایه شامل فاصله ماهالانوبیس، حداکثر احتمال، شبکه عصبی، ماشین بردار پشتیبان و جنگل تصادفی برای طبقه‌بندی گروه های باندی استفاده شد. ارزیابی صحت نتایج با استفاده از 30 درصد از نمونه‌های واقعیت زمینی انجام شد. بر اساس نتایج، بالاترین صحت کلی (85/69 درصد) و ضریب‌ کاپا (0/72) در تفکیک سه کلاس گونه درختچه‌ای کنار، بوته‌ای پایا گون و خاک با سایر پوشش گیاهی مختلط، مربوط به طبقه‌بندی با الگوریتم فاصله ماهالانوبیس اعمال‌شده بر مجموعه باندهای اصلی، اولین باند حاصل از تجزیه مولفه اصلی (pc1)، شاخص گیاهی (ndvi) و شاخص پوشش گیاهی تعدیل کننده اثر خاک (savi) بود. به‌طورکلی بررسی نتایج حاصل از طبقه‌بندی با روش پیکسل پایه نشان‌دهنده کارآیی قابل‌قبول داده‌های رقومی ultracam-d در شناسایی و تفکیک گونه‌های مناطق بیابانی به ویژه گونه‌های درختچه‌ای کنار از گون و سایر گونه‌های بوته‌ای است.

Investigating the capabilities of aerial digital images of UltraCam-D Camera to identify Zizyphus spina chrisiti and Astragalus spp. in semi-arid regions (Case study: Poshtkuh, Bushehr province)

The present research was carried out with the aim of identification and separation of zizyphus spina christi and Astragalus sp. species as well as providing a distribution map of the mentioned species using UltraCam-D digital images in a part of the mountainous Bushehr province. Different techniques of enhancement were applied including Texture Analysis, Principal Component Analysis (PCA) and ratio of the bands. Five band groups were selected including main bands, band set obtained from image texture analysis, main bands along with indices and the first obtained band from PCA and a collection of the best bands obtained from OIF. The training samples were produced through field method. Then, 70% of the samples were applied for various classifier pixelbased algorithms including, Mahalanobis Distance classification, Maximum Likelihood classification, Neural Net Classification, Support Vector Machine (SVM) and Random Forest classification. Verification of the results was carried out using 30% of actual ground samples. Results of assesment of images classified by various algorithm showed that the maximum overall accuracy (85.69%) and kappa coefficient (0.72) in separating the three classes of zizyphus spina christi, Astragalus sp. and soil from the other mixed vegetation cover are for classification by Mahalanobis Distance Classification algorithm applied on group of four main band, PC1, NDVI and SAVI. In general, the results of classification by pixelbased method represent proper efficiency of UltraCam-D digital data for identification and separation of desert regions species particularly zizyphus spina christi from Astragalus sp and shrub species.